SISTEM PAKAR UNTUK DIAGNOSA TINGKAT RESIKO …eprints.dinus.ac.id/13164/1/jurnal_13623.pdf ·...
Click here to load reader
Transcript of SISTEM PAKAR UNTUK DIAGNOSA TINGKAT RESIKO …eprints.dinus.ac.id/13164/1/jurnal_13623.pdf ·...
SISTEM PAKAR UNTUK DIAGNOSA TINGKAT RESIKO PENYAKIT
RABIES PADA ANJING MENGGUNAKAN METODE FUZZY
INFERENCE SYSTEM (FIS) TSUKAMOTO
Rengga Gusti Ari Wibowo
Jurusan Teknik Informatika. Fakultas Ilmu Komputer
Universitas Dian Nuswantoro, Semarang
email : [email protected]
Abstrak:
Rabies merupakan salah satu penyakit zoonosis yang paling ditakuti.yang dapat menulari
manusia melalui gigitan anjing yang mengidap rabies.Rabies ini merupakan penyakit
yang sangat menakutkan dan sangat ganas.Rabies langsung menyerang susunan syaraf
pusat(otak).acute enchepalo myelitis dengan gejala yang sangat khusus dan dengan
gangguan syaraf yang jelas,dimana anjing menjadi sangat agresif,photophobia(takut
terhadap sinar dan takut air yang berlebihan yang selalu diakhiri dengan kematian.Dari
permasalahan diatas maka akan dibuat sistem komputerisasi yaitu sistem pakar.Dimana
sistem pakar ini dapat mendiagnosa tingkat resiko penyakit rabies pada anjing setelah
anjing tergigit oleh anjing lain atau mengalami perubahan berdasarkan gejala klinis yang
timbul dari anjing tersebut sehingga akan dilakukan penanganan lebih lanjut mengenai
tingkat resiko penyakit rabies.Pada penelitian ini akan diterapkan suatu metode untuk
membantu mendiagnosa tingkat resiko penyakit rabies pada anjing berdasarkan gejala
klinis yang timbul.Metode yang digunakan adalah Fuzzy logic yaitu Metode
TsukamotoDalam penelitian ini maka hasil yang diharapkan adalah hasil perhitungan
dari metode tsukamoto yang menyimpulkan tingkat resiko penyakit rabies pada anjing
berdasarkan gejala klinis yang tampak pada anjing.
Kata kunci : Rabies, sistem pakar¸ Fuzzy Logic Tsukamoto
1. Pendahuluan
Rabies merupakan salah satu penyakit
zoonosis yang paling ditakuti.yang dapat
menulari manusia melalui gigitan anjing
yang mengidap rabies.Rabies ini
merupakan penyakit yang sangat
menakutkan dan sangat ganas.Rabies
langsung menyerang susunan syaraf
pusat(otak).acute enchepalo myelitis
dengan gejala yang sangat khusus dan
dengan gangguan syaraf yang jelas,dimana
anjing menjadi sangat
agresif,photophobia(takut terhadap sinar
dan takut air yang berlebihan) yang selalu
diakhiri dengan kematian.Di Indonesia
hewan yang peka dan mudah terserang
rabies adalah anjing.Anjing yang
mengidap rabies cenderung menyerang
siapa saja yang ada didekatnya,maupun
yang menggangunya,terutama benda benda
yang bergerak.Penyebabnya adalah virus
yang termasuk dalam kelompok
rabdovirus,dimana virus ini rabies ini
kebanyakan senang hidup didalam jaringan
syaraf pusat,kelenjar ludah,pancreas dan
otak.
Rabies selalu menular melalui
gigitan,dimana virus yang ada didalam air
liur anjing kemudian masuk kedalam luka
gigitan.Semua hewan berdarah panas
sangat peka terhadap virus penyakit
rabies.Virus didalam air liur itu akan
menginfeksi tubuh melalui luka gigitan
dan langsung menyerang otak,menjalar ke
dalam kelenjar air liur melalui syaraf
sentrifugal dan kemudian masuk kedalam
pankreas.
Kejadian rabies diperkirakan sekitar
35.000 kasus di seluruh dunia.Di Indonesia
rabies masih menjadi masalah kesehatan di
berbagai provinsi.jumlah rata-rata pertahun
kasus gigitan tiga tahun terakhir (1995-
1997) 15.000 kasus,diantaranya 8.550
(57%) diberikan Vaksin anti rabies (VAR)
dan 662 (1,5%) diberikan kombinasi VAR
dan SAR (serum anti rabies).Ditemukan
rata-rata per tahun 59 kasus rabies pada
manusia.
Anjing merupakan hewan sosial sama
seperti halnya manusia.Kedekatan pola
perilaku anjing dengan manusia
menjadikan anjing bisa dilatih,diajak
bermain,dan tinggal bersama
manusia.Banyak orang yang senang
memelihara anjing karena anjing memiliki
kecerdasan dimana anjing dapat patuh dan
memahami perintah dari majikan.Akan
tetapi dibalik semua itu ada bahaya
penyakit yang mengancam yaitu seperti
yang dijelaskan tadi mengenai penyakit
rabies.karena bisa saja anjing yang mereka
pelihara mengidap virus rabies dan si
pemilik tidak mengetahui
sebelumnya.Karena kebanyakan
pemelihara anjing jika melihat kondisi
anjing yang cenderung berubah dari
biasanya hanya menganggap ini penyakit
biasa.dan juga jika orang melihat anjing
liar yang memiliki kondisi yang aneh maka
mereka akan terkesan biasa saja.dan
mereka tidak tahu bahaya tentang penyakit
rabies yang mungkin saja dibawa oleh
anjing tersebut.
Dari penjelasan diatas maka perlu
adanya kesadaran masyarakat tentunya
pemelihara anjing tentang penyakit rabies
yang sangat berbahaya karena berujung
dengan kematian.Dengan kesadaran akan
bahaya kemungkinan terjadinya penyakit
rabies ini maka akan meminimalisasi
tingkat penyebaran penyakit rabies
tentunya pada anjing.maka diperlukan
diagnosa yang dapat dilakukan yaitu
dengan melihat gejala kinis yang timbul
pada anjing yang habis terkena gigitan
anjing lain atau mengalami perubahan sifat
dan perilaku pad anjing.oleh karena itu
maka diterapkan teknologi untuk
melakukan diagnosa tesebut yaitu sebuah
sistem komputerisasi yaitu sistem
pakar.Dimana sistem pakar ini dapat
mendiagnosa tingkat resiko penyakit rabies
pada anjing setelah anjing tergigit oleh
anjing lain atau mengalami perubahan
berdasarkan gejala klinis yang timbul dari
anjing tersebut sehingga akan dilakukan
penanganan lebih lanjut mengenai tingkat
resiko penyakit rabies.
Sistem pakar merupakan bagian dari
kecerdasan buatan yaitu sebuah sistem
yang mengandung pengetahuan dan
pengalaman dari salah satu pakar dalam
suatu area pengetahuan,sehingga dapat
digunakan untuk menentukan solusi dalam
suatu masalah.Dalam penyusunanya sistem
pakar mengkombinasikan kaidah-kaidah
penarikan kesimpulan atau inference rules
dengan basis pengetahuan tertentu yang
diberikan oleh seorang pakar.kombinasi
dari kedua hal tersebut disimpan dalam
computer,yang selanjutnya digunakan
dalam proses pengambilan keputusan
untuk penyeselaian masalah tertentu.
Pada penelitian ini akan diterapkan
suatu metode untuk membantu
mendiagnosa tingkat resiko penyakit rabies
pada anjing berdasarkan gejala klinis yang
timbul.Metode yang digunakan adalah
Fuzzy logic yaitu Metode Tsukamoto.
Pada metode Tsukamoto setiap
konsekuen pada aturan yang berbentuk IF-
THEN harus direpresentasikan dengan
suatu himpunan fuzzy dengan fungsi
keanggotaan yang monoton.Sebagai
hasilnya output hasil inferensi dari tiap
aturan diberikan secara tegas (crisp)
berdasarkan α- predikat (fire
strength).Hasil akhirnya diperoleh dengan
menggunakan rata-rata terbobot.
2. Tinjauan Pustaka
2.1 Sistem Pakar
Secara umum, sistem pakar (expert
system) adalah sistem yang berusaha
mengadopsi pengetahuan manusia ke
komputer, agar komputer dapat
menyelesaikan masalah seperti yang biasa
dilakukan oleh para ahli. Sistem pakar
yang baik dirancang agar dapat
menyelelasikan suatu permasalahan
tertentu dengan meniru kerja dari para ahli.
Struktur sistem pakar terdiri dari dua
pokok yaitu (Sri Kusumadewi, 2003),
lingkungan pengembang (development
environment) dan lingkungan konsultasi
(consulatation environment). Lingkungan
pengembang digunakan sebagai
pembangunan sistem pakar baik dari segi
pembangunan komponen maupun basis
pengetahuan. Lingkungan konsultasi
digunakan oleh seseorang bukan ahli untuk
berkonsultasi.
Gambar 1. Struktur Sistem Pakar (Sri
Kusumadewi, 2003)
2.2 Fuzzy Inference System dengan
Metode Tsukamoto
Pada Metode Tsukamoto, setiap
konsekuen pada aturan yang berbentuk IF-
Then harus direpresentasikan dengan suatu
himpunan fuzzy dengan fungsi
keanggotaan yang monoton. Sebagai
hasilnya, output hasil inferensi dari tiap-
tiap aturan diberikan secara tegas (crisp)
berdasarkan α- predikat (fire strength).
Hasil akhirnya diperoleh dengan
menggunakan rata-rata terbobot. . Berikut
gambar inferensi dengan menggunakan
Metode Tsukamoto:
Gambar 2.1 Inferensi dengan
menggunakan Metode Tsukamoto
2.3 Rabies
Rabies atau anjing gila merupakan
penyakit menular yang bersifat
zoonis,yang dapat menulari manusia
melalui gigitan anjing yang mengidap
rabies.rabies merupakan penyakit yang
sangat menakutkan dan sangat
ganas.Rabies langsung menyerang susunan
syaraf pusat.Acute Enchephalo myelitis
dengan gejala yang sangat khusus dan
dengan gangguan syaraf yang jelas,dimana
anjing menjadi sangat agresif,photopobia
dan takut air yang selalu diakhiri dengan
kematian.hewan yang sangat peka dan
mudah terserang rabies adalah anjing,
kucing, dan kera.Hewan yang mengidap
rabies cenderung menyerang siapa saja
yang ada didekatnya,maupun yang
mengganggunya.terutama benda benda
yang bergerak.masa inkubasi rata-rata 15-
50 hari.Penyebabnya adalah virus yang
masuk dalam kelompok
Rabdovirus,dimana virus rabies ini
kebanyakan senang hidup didalam jaringan
syaraf,kelenjar ludah,pankreas dan otak.
Terdapat tiga golongan penyakit rabies
dengan masing-masing gejalanya:
. Stadium I prodromal dengan gejala :
tidak mau makan, agak demam reflek
kornea menurun. Hewan mencari tempat
dingin dan menyendiri tetapi dapat
menjadi lebih agresif , pupil mata melebar
dan sikap tubuh kaku (tegang).
Stadium II eksitasi dengan gejala :
reaktif dengan menyerang dan menggigit
benda bergerak,memakan berbagai benda
termasuk tinjanya sendiri, lupa pulang,
strabismus, ejakulasi spontan. Hewan
menjadi ganas dan menyerang siapa saja
yang ada di sekitarnya dan memakan
barang yang aneh-aneh. Selanjutnya mata
menjadi keruh dan selalu terbuka dan
tubuh gemetaran.
Stadium III paralisa, gejala : ekor jatuh,
mandibula jatuh, lidah keluar, saliva
(ludah) berhamburan, kaki belakang
terseret. Pada stadium ini sangat singkat
dan biasanya diikuti dengan kematian
hewan tersebut.
3. Perancangan Sistem
3.1 Perancangan Himpunan Fuzzy
1.Variabel Gejala Bentuk 1
Variabel Gejala Bentuk 1 dibagi dalam 3
kategori yaitu sedikit, sedang dan banyak
.Dari pembagian ini nantinya dapat
diketahui fungsi keanggotaanya pada
setiap himpuna fuzzy sedikit, sedang,
banyak.
Gambar 3.1 Grafik fungsi keanggotaan
variable Gejala Bentuk 1
2.Variabel Gejala Bentuk 2
Variabel Gejala Bentuk 2 dibagi dalam 3
kategori yaitu sedikit , sedang dan banyak
.Dari pembagian ini nantinya dapat
diketahui fungsikeanggotaanya pada setiap
himpuna fuzzy sedikit, sedang, banyak.
Gambar 3.2 Grafik fungsi keanggotaan
variable Gejala Bentuk 2
3.Variabel Gejala Bentuk 3
Variabel Gejala Bentuk 3 dibagi dalam 3
kategori yaitu sedikit , sedang dan banyak
.Dari pembagian ini nantinya dapat
diketahui fungsi keanggotaanya pada
setiap himpunan fuzzy sedikit, sedang,
banyak.
Gambar 3.3 Grafik fungsi keanggotaan
variable Gejala Bentuk 3
4.Variabel resiko penyakit
Merupakan variable output tingkat resiko
penyakit.yaitu normal, stadium 1, stadium
2, dan stadium 3.dimana masing-masing
menggunakan pendekatan kurva linier
naik.dimana nilai domain yang
mempunyai derajat kenggotaan nol[0]
bergerak ke kanan menuju ke nilai domain
yang memiliki derajat keanggotaan lebih
tinggi.
Gambar 3.4 Grafik fungsi keanggotaan
tingkat resiko penyakit
3.2 Rancangan Basis Pengetahuan
Tabel 3.1 Tabel basis pengetahuan
3.3 Perancangan Diagram Alir
Untuk mendiagnosa Tingkat resiko
penyakit rabies pada anjing, maka sistem
akan melakukan langkah-langkah sebagai
berikut :
Gambar 3.5 Diagram alir sistem
4. Implementasi dan Analisis Sistem
4.1 Implementasi Sistem
Form diagnosa berisi pilihan gejala-
gejala yang dialami oleh Anjing, yang
harus dipilih untuk menentukan tingkat
resiko penyakit rabies pada anjing. Form
hasil diagnosa berisi nilai hasil dari
perhitungan Fuzzy dan penentuan jenis
tingkat rabies berdasarkan gejala-gejala
yang telah dipilih .
Gambar 4.1 Tampilan Form Input
Gambar 4.2 Tampilan Form Data
Pasien
Gambar 4.3 Tampilan Form
Hasil Diagnosa
4.2 Analisis Output
Untuk menganalisis output sistem,
penulis melakukan pengujian. Pengujian
ini dilakukan untuk mengetahui performa
dari sistem pakar untuk memberikan hasil
diagnosa. Data yang diuji berjumlah 30
sampel data analisa pakar. Hasil
rekomendasi yang diperoleh dari
perhitungan di sistem pakar, dicocokan
dengan hasil analisa dari pakar. Hasil
pengujian akurasi sistem pakar dari 30
sampel yang telah diuji.dari 30 data
tersebut terdapat 28 data yang sesuai hasil
diagnose dari sistemm pakar dengan
pakar.dan 2 data saja yang tidak sesuai.hal
ini membuktikan bahwa sistem
mempunyai presentase keakuratan
diagnosa yaiitu dihitung dengan rumus
nilai akurasi sebagai beerikut:
Nilai akurasi =
x 100%
=
x 100 %= 93 %
Jadi, dapat disimpulkan bahwa akurasi
sistem pakar berdasarkan 30 data yang
diuji adalah 93% yang menunjukkan
bahwa sistem pakar ini dapat berfungsi
dengan baik sesuai dengan diagnosa
pakar. Ketidakakurasian sistem pakar
adalah 7% .
5. Kesimpulan dan Saran
5.1 Kesimpulan
Berdasarkan analisa dan perancangan
sistem, implementasi, dan pengujian
sistem, maka dapat disimpulkan bahwa
metode Fuzzy Inference System Tsukamoto
berhasil di implementasikan dalam sistem
pakar untuk diagnose tingkat resiko
penyakit rabies pada anjing dengan
masukan berupa gejala gejala yang
terdapat pada anjing . Hal ini ditunjukkan
dari beberapa kasus yang telah
diujicobakan diperoleh hasil diagnosa yang
sama antara perhitungan sistem dengan
menggunakan metode Fuzzy Inference
System Tsukamoto dan pengetahuan pakar
yaitu Dokter hewan.
5.2 Saran
Dari beberapa kesimpulan yang
telah diambil, maka dapat
dikemukakan saran-saran yang dapat
diberikan untuk pengembangan sistem
pakar untuk mendiagnosa tingkat
resiko penyakit rabies pada anjing
dengan menggunakan metode Fuzzy
Inference System Tsukamoto ini agar
menjadi lebih baik antara lain :
1. Program ini masih sederhana untuk
itu perlu dilakukan perbaikan-
perbaikan untuk kesempurnaan
program dan kemudahan pengguna.
2. Perancangan halaman web perlu
penambahan variasi atau animasi agar
terlihat lebih menarik.
3. Lakukan pembaharuan secara
berkala terhadap informasi gejala-
gejala yang dialami dengan
menggunakan bahasa-bahasa yang
mudah dimengerti dan dipahami.
4. Pada sistem ini variable gejala
yang digunakan hanya tiga jenis.untuk
pengembangan lebih lanjut sebaiknya
ditambahkan variable gejala lainnya
sehingga hasil diagnose akan semakin
akurat.
Daftar Pustaka
[1] Kusumadewi, Sri (2003). Artificial
Intelligence Teknik dan
Aplikasinya. Yogyakarta: Graha
Ilmu.
[2] Ira Indriaty P.B Sopi, “Distribusi
Kasus Gigitan Hewan Penular
Rabies
(HPR)” Jurnal Penyakit Bersumber
Binatang, 1, 1, 25 – 33, 2008.
[3] Yulyantari, “Belajar Fuzzy”.
[Online]. Available:
http://www.yulyantari.com/tutorial/
media.php?mod=detailsub&sub=14
&bab=4&mat=10. [Accesed 11
november 2013]